Revenue Optimal Auction for Single-Minded Buyers
我们研究的问题的特征收入最优拍卖的一心一意的买家。每个买家只对特定的一组物品感兴趣，并对相同的物品有价值。他的包裹和它的价值都是他的私人信息。假设买家感兴趣的捆绑包及其相应的价值是从独立于买家的已知概率分布中实现的。我们确定收入最优拍卖与一个简单的结构，如果任何买家的估值的条件分布是非递减的，在危险率排序的概率分布，作为一个功能的捆绑买家感兴趣。通过求解一个最大权独立集问题，给出了收益最优拍卖。我们提供了一个新的图形化建设的权重和突出的重要属性所产生的拍卖。
2010-09-13 cs.GT
Optimal mechanisms with simple menus
我们考虑了一个买家和两个项目的情况下的最优机制设计。买方对这两个项目的估价是独立的和可加的。在这种情况下，最优机制是未知的一般估值分布。我们得到两类结构的结果，阐明了最佳的机制。第一类结果表明，在一定的温和条件下，最优机构具有单调菜单。换句话说，在代表最优机制的菜单中，随着支付增加，两个项目的分配概率同时增加。应用这个定理，我们得到一个版本的收入单调性定理，国家随机优越的分布产生更多的收入。此外，我们的定理包含了以前的结果在充分条件下捆绑是最佳的。第二类结果表明，在一定条件下，最优机构只有很少的选单项。我们在这个类别中的第一个结果是，对于某些分布，最优菜单最多包含4个项目。该条件允许幂（包括一致）密度函数。基于这个结果的类似证明，我们能够获得广泛的一类分布，其中捆绑是最佳的。我们的第二个结果适用于一个较弱的条件，即最优菜单最多包含6个项目。该条件包括指数密度函数。我们在这个类别中的最后一个结果适用于单位需求设置。它指出，对于均匀分布，最优菜单最多包含5个项目。这些结果与Hart和Nisan最近的结果形成鲜明对比，即有限大小的菜单不能保证相关估值分布的最优收入的任何正分数。
2014-04-29 cs.GT
Sophisticated Attacks on Decoy Ballots: The Devil's Menu and the Market for Lemons
诱饵选票不计入选举结果，但除此之外，它们与真实选票没有区别。通过博弈论模型，我们表明，诱饵选票可能无法提供有效的保护，对恶意的对手试图购买真正的选票。如果公民被划分为子群体（或地区），对手可以构建一个由几个价格组成的所谓“魔鬼菜单”。在均衡中，对手可以以与持有这些选票的公民愿意出售的价格相对应的价格购买任何严格的选区子集的真实选票。相比之下，诱饵选民被诱骗以低价甚至可以忽略不计的价格出售选票。因此，通过引入诱饵选票来扩大对手的预算可能是徒劳的。魔鬼的菜单也可以应用于众所周知的“柠檬问题”。
2017-12-14 cs.GT
Fine-Grained Buy-Many Mechanisms Are Not Much Better Than Bundling
众所周知，多项目收入最优机制非常复杂，通常为购买者提供随机的商品彩票。在标准的买一模型中，众所周知，最佳机制可以产生比任何“简单”机制（物品数量的大小多项式）高得多的收入，即使只有两个物品和一个买家（Briest et al. 2015，Hart and Nisan 2017）。我们引入了一类新的参数化机制，即购买- $k$机制，它在经典的购买一机制和最近研究的购买多机制之间平滑插值（Chawla et al. 2019，Chawla et al. 2020，Chawla et al. 2022）。购买- $k$机制允许购买者购买多达$k$的许多菜单选项。我们表明，限制卖方购买类$n$激励兼容机制足以克服奇异的，无限的收入属性的买一模型。我们的主要结果是，收入差距相对于捆绑，一个非常简单的机制，是有界的$O(n^2)$为任何任意相关的分布$\mathcal{D}$在$n$项目的情况下，添加剂买家。我们的技术也使我们能够证明类似的上界任意单调估值，虽然在近似的指数因子。在消极的一面，我们表明，允许买方购买少量的菜单选项不足以保证次指数近似，即使我们削弱了基准的最佳购买- $k$确定性机制。如果添加购买者仅被允许购买$k = Θ(n^{1/2-\varepsilon})$许多菜单选项，则在$n$中，收入最优的确定性购买- $k$机制与捆绑之间的差距可以是指数级的。特别是，这意味着没有“…
2022-11-18 cs.GT
Simple Mechanisms for a Subadditive Buyer and Applications to Revenue Monotonicity
研究了一个具有n个异质物品的卖方出售给一个单一买方的收益最大化问题，该买方的物品集的估价函数是未知的，并且来自某个分布D。我们表明，如果D是一个分布在次可加估值与独立的项目，那么更好的定价每个项目单独或定价只有大捆绑实现了一个常数因子近似的最优机制的收入。这包括k-需求的买家，可加到一个拟阵约束，或可加到任何向下闭集系统的约束（并且其单个项目的值是独立采样的），以及具有独立绘制的项目乘数的分数次可加的买家。我们的证明利用了先前工作中开发的核心-尾部分解框架，对于明显更简单的添加剂购买者类别显示了类似的结果[LY 13，BILW 14]。在本文的第二部分中，我们建立了近似最优简单机制和近似收入单调性之间的联系。收入非单调性是这样一种现象，即有时严格增加每个集合的买方价值会严格减少最佳机制的收入[HR 12]。使用我们的主要结果，我们得出了一个如何坏这种退化的界限（和配音这样一个界的近似收入单调性的证明），我们进一步表明，更好的近似单调性的界限意味着我们的简单机制更好的分析。
2018-07-04 cs.GT
Revenue-Optimal Deterministic Auctions for Multiple Buyers with Ordinal Preferences over Fixed-price Items
在本文中，我们介绍了一个贝叶斯收益最大化机制设计模型中的项目有固定的，外生给定的价格。购买者是单位需求，并有一个有序的排名购买这些项目之一，在其给定的价格，或购买什么。这个模型自然产生的分类优化问题，在确定性机制的单一买家优化问题减少到决定的项目分类“显示”。我们研究了它的多买家泛化在最简单的设置单赢家拍卖，或更广泛地说，任何服务约束的环境。我们的主要结果是，如果买方排名独立于马尔可夫链排名模型，那么最优机制是计算上易于处理的，在结构上是一个虚拟的福利最大化。我们还表明，排名分布不诱导马尔可夫链，最优机制可能不是一个虚拟的福利最大化。
2020-10-14 cs.GT
Dynamic First Price Auctions Robust to Heterogeneous Buyers
我们研究动态机制，优化收入在重复拍卖，这是强大的异质前瞻性和学习行为的买家。通常情况下，假设购买者要么都是短视的，要么都是无限前瞻的，并且购买者理解并信任这种机制。这些假设提出了以下问题：当买方池是异质的，是否有可能设计近似的收入最优机制？面对一个异构的人口与一个未知的混合物的$k$前瞻性买家，近视买家，无遗憾学习者和无政策遗憾学习者的买家，我们设计了一个简单的基于状态的机制，实现了恒定的最佳可实现的收入。
2019-06-07 cs.GT
Pricing to Maximize Revenue and Welfare Simultaneously in Large Markets
我们研究的大市场有一个单一的卖方，可以生产多种类型的商品，和许多多头脑的买家。卖方为其许多商品选择标价，买方购买捆绑商品以最大化其效用。在这种情况下，我们考虑以下问题：收入最大化解决方案实现的最优社会福利的比例是多少？是否存在同时实现良好收入和良好福利的定价机制？为了解决这些问题，我们给出了有效的定价方案，只要买方对他们想要的商品的估价有一个好的（尽管是合理的）结构，就可以保证产生良好的收入和福利，例如，总买方需求具有单调风险率或不太凸。我们还表明，我们的定价方案有任何定价，实现高收入的影响：特别是，即使卖方只关心收入，他们仍然可以确保他们的价格导致良好的社会福利，而不牺牲利润。我们的研究结果适用于大型市场中的一般多心智买家;我们还为单位需求买家的重要特殊情况提供了改进的保证。
2016-10-13 cs.GT
Evaluating the Performance of Approximation Mechanisms under Budget Constraints
UNSW Sydney（新南威尔士大学）；Holon Institute of Technology（霍隆理工学院）
研究在买家卖家设定中，预算约束下最大化收益的机制设计，发现简单机制在有界支持分布下可近似最优收益，但无界支持分布下无法保证正比例收益。
2026-04-29 cs.GT
Efficiency Loss in Revenue Optimal Auctions
我们研究贝叶斯收益最优拍卖的效率损失。我们将其量化为最坏情况下已实现社会福利的损失与有效拍卖所能实现的社会福利之比。我们的重点是拍卖单参数买家和买家的估价集是有限的。对于二进制值的单参数买家独立（不一定是同分布）的私人估值，我们表明，最坏情况下的效率损失比（ELR）并不比它是只有一个买家，而且，它是最多1/2。超越的情况下，二进制的估值，但限制到单个项目拍卖，买家的私人估值是独立和同分布的，我们得到的最坏情况下ELR的界限作为一个功能的买家，买家的估值集的基数，和最大到最小的可能值，买家可以为该项目。
2010-09-13 cs.GT
Revenue Maximization with an Uncertainty-Averse Buyer
大多数机制设计的工作都假设买方是风险中性的;有些人认为风险厌恶是由于货币的非线性效用而产生的。然而，行为研究已经确定，真正的代理人表现出的风险态度，不能捕捉到任何预期的效用模型。本文在期望效用理论基础上，对购买者行为模型下的收益最优机制进行了研究。我们采用了一个模型，从前景理论产生的解释这些差异，并纳入代理人下加权不确定的结果。在我们的模型中，一个事件发生的概率为$x < 1$，它对智能体的价值严格小于$x$乘以事件确定发生时的价值。与风险中性设置相反，最佳机制可能是随机的，并且似乎很难找到，即使对于单个买家和单个待售物品也是如此。然而，我们给出了一个表征的最佳机制，使积极的近似结果。特别是，我们表明，在一个合理的有界风险厌恶假设，公布的定价获得一个常数近似。值得注意的是，这一结果是“风险稳健”的，因为它不依赖于买方的风险态度的细节。最后，我们研究了一个动态的设置中，买方是不确定的，他的未来价值。相反，积极的结果为风险中性的买家，我们表明，买家的风险厌恶可能会阻止卖方从近似的最优收益在风险稳健的方式。
2018-03-12 cs.GT
The menu complexity of "one-and-a-half-dimensional" mechanism design
我们在“联邦快递”问题的背景下研究了最优和近似最优拍卖的菜单复杂性，这是一种所谓的“一维半”设置，其中单个竞标者既有价值又有最后期限接收[FGKK 16]。拍卖的菜单复杂度等于投标人可能收到的不同（分配，价格）对的数量[HN 13]。我们显示了以下投标人时，$n$可能的最后期限：-指数菜单的复杂性是必要的，完全是最佳的：存在的情况下，最佳的机制有菜单的复杂性是$2^n-1$。这与菲亚特等人提供的上限完全匹配。的算法，并解决了他们的一个开放的问题[FGKK 16]。- 完全多项式菜单复杂度对于近似是必要且充分的：对于所有情况，存在一种机制，保证乘法（1-ε）近似于具有菜单复杂度$O(n^{3/2}\sqrt{\frac{\min\{n/ε,\ln(v_{\max})\}}ε}) = O(n^2/ε)$的最优收益，其中$v_{\max}$表示支持整数分布的最大值。- 存在这样的情况，其中任何保证乘法$(1-O(1/n^2))$ -近似于最佳收益的机制都需要菜单复杂性$Ω(n^2)$。我们的主要技术是凹函数的多边形逼近[Rote 19]，我们的结果应该是独立的兴趣。我们进一步展示了我们的技术如何可以用来解决一个悬而未决的问题[DW 17]的菜单复杂性的最优拍卖为一个不受约束的买家。
2017-11-06 cs.GT
A Multi-Dimensional Online Contention Resolution Scheme for Revenue Maximization
本文研究多买家多物品顺序定价机制逼近事前最优收入，通过构建新的多维OCRS对最优事前解进行在线舍入，在次可加买家设置下实现了 $O(\log^2 m)$ 因子的买多收入逼近，并证明了对数依赖的必要性。
2024-04-23 cs.GT
Revenue Maximization with Imprecise Distribution
我们研究了一个不精确估计的分布的单个买家或几个独立的和同分布的买家的收入最大化问题，这个估计是不是远离真实的分布。我们使用推土机的距离来捕获这两个分布之间的估计误差，即值和概率，给定分位数的值空间中的误差，以及给定值的分位数空间中的误差。我们给出了明确的特征的最佳机制，为单一买家设置。对于多买家的情况下，我们提供了一个算法，找到一个近似最优的机制（FPTAS）之间的家庭第二价格拍卖与固定的储备。
2019-03-03 cs.GT
Bounding the Menu-Size of Approximately Optimal Auctions via Optimal-Transport Duality
近似的最小菜单大小的问题（即，Hart和Nisan（2013）引入了向可加性风险中性准线性买家出售两种商品时的贝叶斯收入最大化，他们给出了该问题的上界$\varepsilon$。使用Daskalakis等人的最优运输对偶框架。（2013，2015），我们推导出这个问题的第一个下界-$Ω(\frac{1}{\sqrt[4]{\varepsilon}})$，即使两种商品的价值是独立同分布的。从“好”的分布，建立如何通过这个对偶框架的原因近似最优机制。这个界限意味着，对于任何固定数量的货物，一个严格的界限上的最小确定性通信复杂性的$Θ(\log\frac{1}{\varepsilon})$保证足以运行一些近似的收入最大化的机制，从而完全解决这个问题。作为第二个结果，我们表明，在标准的经济假设分布，上述上限的哈特和Nisan（2013）可以加强到$O(\frac{1}{\varepsilon^2})$。
2018-07-11 cs.GT
Envy-Free Pricing in Large Markets: Approximating Revenue and Welfare
我们研究了无嫉妒定价的经典设置，其中一个单一的卖方选择价格为它的许多项目，与收入最大化的目标，一旦项目被分配。尽管大量的工作解决这样的设置，这个问题的大多数版本都抵制良好的近似因子最大化的收入，这是真实的，即使是经典的单位需求的情况下。在本文中，我们研究了无嫉妒定价与单位需求的买家，但与以往的工作不同，我们专注于大市场：其中每个买家的需求是无限小的整体市场的规模相比。我们假设买家对他们想要的物品的估价有一个很好的（尽管是合理的）结构，即，总买方需求具有单调的风险率，并且每种买方类型的价值来自相同的支持。对于这样大的市场，我们的主要贡献是一个1.88近似算法的收入最大化，显示出良好的定价方案时，可以计算出大量的买家。我们还给出了一个（e，2）-双准则算法，同时接近最大的收入和福利，从而表明，它是可以同时获得良好的收入和福利。我们进一步推广我们的结果，放松我们的一些假设，并量化在我们的设置收入和福利之间的必要权衡。我们的研究结果是第一个已知的近似大型市场，关键是依赖于新的下限，我们证明了收入最大化的价格。
2017-05-02 cs.GT
Robust Repeated Auctions under Heterogeneous Buyer Behavior
我们研究了单一卖方和单一买方之间重复拍卖的收益优化问题。传统上，重复拍卖的设计需要对投标人的行为进行强有力的建模假设，例如它是短视的，无限的前瞻性，或某种特定形式的学习行为。有没有可能设计出一种机制，使其同时对多种可能的购买者行为都是最优的？我们回答这个问题，通过设计一个简单的基于状态的机制，是同时对所有$k$，一个买家谁是一个没有遗憾的学习者，和买家谁是一个政策遗憾的学习者的$k$前瞻性买家近似最优。针对每种类型的买家，我们的机制都能获得针对该类型买家可获得的最佳收入的恒定比例。我们补充我们的积极结果与几乎紧不可能的结果，表明我们的机制为不同的前瞻性态度实现的收入近似权衡是接近最优的。
2019-03-10 cs.GT
On Revenue Maximization with Sharp Multi-Unit Demands
我们考虑由一组不可分割的物品组成的市场，以及具有{ \em sharp}多单位需求的买家。这意味着每个买家$i$都想要特定数量的$d_i$物品;尺寸小于$d_i$的捆绑没有价值，而尺寸大于$d_i$的捆绑价值不超过最有价值的$d_i$物品（估值是相加的）。我们考虑的目标是制定价格和分配，以最大限度地提高做市商的总收入。多单位需求下的定价问题具有单位需求模型所不具备的一些性质，是算法定价中的一个重要问题。我们考虑的问题计算收入最大化的解决方案的两个解决方案的概念：竞争均衡和无嫉妒定价。对于无限制的估值，这些问题是NP完全的，我们专注于一个现实的特殊情况下，“相关值”，每个买家$i$有一个估价$v_i\qual_j$项目$j$，其中$v_i$和$\qual_j$是积极的数量与买家$i$和项目$j$分别。我们提出了一个多项式时间算法来解决收入最大化的竞争均衡问题。对于无嫉妒定价，如果每个购买者的需求是有界的常数，一个收入最大化的解决方案，可以有效地找到一般的需求情况下，被证明是NP-难的。
2014-12-30 cs.GT
Robust Mechanisms Under Common Valuation
我们研究销售共同价值商品的稳健机制。我们假设机制设计者知道购买者共同价值的先验分布，但不确定购买者关于共同价值的信息结构。我们使用线性规划的对偶机制，保证良好的收入之间的所有信息结构和所有的均衡。我们的机制在只有一个买家的情况下最大限度地保证收入。当购买者的数量趋于无穷大时，我们的机制的收入保证收敛于完全盈余。
2016-11-19 cs.GT
99\% Revenue via Enhanced Competition
最近的一系列研究表明，即使在单一卖方和单一买方的简单设置下，对$m$项目进行附加的独立估值，收入最大化机制也非常复杂。这个问题已经使用两种主要方法来解决：（i）近似：两种简单机制中的最佳机制（单独销售每个项目，或将所有项目作为一个捆绑销售）为$1/6$提供最佳收入[BILW 14]。(ii)增强竞争力：运行具有额外$m$购买者的简单VCG机制至少提取原始市场中的最优收入[ESTTW 17]。然而，这两种方法都有严重的缺点：一方面，在任何应用中，丢失$83\%$的收入都是难以接受的。另一方面，吸引线性数量的新买家可能令人望而却步。我们的主要结果是，通过结合这两种方法，可以实现两全其美。具体地说，对于任何恒定的$ε$，人们可以通过运行简单的机制-单独销售每一个项目或将所有项目作为一个捆绑销售-获得最佳收入的$(1-ε)$部分，而额外的购买者要少得多：对数，恒定，甚至在某些情况下没有。
2018-01-09 cs.GT
Revenue Maximizing Markets for Zero-Day Exploits
零日漏洞（供应商不知道的软件漏洞）市场有着悠久的历史，并且越来越受欢迎。我们从收入最大化机制设计的角度来研究这些市场。我们首先提出了一个零日漏洞市场的理论模型。在我们的模型中，一个漏洞被出售给多个买家。有两种买家，我们称之为捍卫者和侵犯者。防御者是购买漏洞以修复漏洞的买家（例如，软件供应商）。另一方面，罪犯是打算利用漏洞的买家（例如，国家安全机构和警察）。我们的模式不仅仅是单一物品拍卖。首先，漏洞是一条信息，因此一个漏洞可以卖给多个买家。第二，买方具有外部性。如果一名防守者获胜，那么对于进攻者来说，这种利用就变得毫无价值。第三，如果我们在拍卖前向买家披露漏洞利用的详细信息，那么他们可能会在没有付款的情况下离开。另一方面，如果我们不披露细节，那么买家很难提出他们的私人估值。考虑到上述情况，我们建议的机制在拍卖前向所有违规者披露漏洞利用的详细信息。然后，犯罪者支付延迟向防御者披露漏洞的费用。
2020-06-25 cs.GT
On the (in)-approximability of Bayesian Revenue Maximization for a Combinatorial Buyer
我们考虑一个收入最大化的单一卖方与$m$项目出售给一个单一的买家，其价值$v(\cdot)$的项目是从一个已知的分布$D$的支持$k$。Cai等人的一系列工作建立了当$D$支持下的每个$v(\cdot)$是加性或单位需求（或$c$ -需求）时，可以在$\operatorname{poly}(m,k)$时间内找到收入最优拍卖。我们表明，仅仅超出这一点，甚至拟阵为基础的估值（一个适当的子集的总替代），结果在强硬度的近似。具体地说，即使在具有$m$项和$k \leq m$赋值的实例上支持$D$，也不可能实现任何$\varepsilon>0$的$1/m^{1-\varepsilon}$ -近似到（随机化）多时间中基于矩阵的赋值的收入最优机制，除非NP $\subseteq$ RP（注意，$1/k$ -近似是微不足道的）。Cai等人的主要技术贡献是从$\mathcal{V}$类中估值的收入最大化到优化$\mathcal{V}$类中两个值之间的差异的黑盒缩减。我们的主要技术贡献是在另一个方向上的黑箱约简（对于广泛的估值类别），确定它们的约简本质上是紧密的。
2020-07-10 cs.GT
A Note on the Ratio of Revenues Between Selling in a Bundle and Separately
我们考虑的问题，最大限度地提高收入时，出售k个项目，一个单一的买家与已知的估值分布。我们表明，对于一个单一的，添加剂买家的估价为项目分布根据i.i.d.。在销售商已知的分销中，捆绑销售与单独销售的收入比率至少为55.9%，并且该差距是可以实现的。
2016-11-29 cs.GT
New Guarantees for Learning Revenue Maximizing Menus of Lotteries and Two-Part Tariffs
Carnegie Mellon University（卡内基梅隆大学）
本文研究彩票菜单与两部收费制两类机制的可学习性，提出首个在线学习算法并给出强遗憾界，同时改进分布设置下的运行时间，并证明现有数据驱动设计技术不足。
2024-07-15 cs.GT cs.LG
Revenue Maximizing Envy-Free Pricing in Matching Markets with Budgets
我们研究了在匹配市场中$m$项目和$n$预算受限的买家的无嫉妒定价机制。每个购买者都对出售的商品的一个子集感兴趣，并且她以某个单一价值评估她偏好集中的每一个商品。此外，每个买家都有一个预算，限制最大可负担的付款，而她的目标是获得尽可能多的项目，她的偏好集。我们的目标是计算一个无嫉妒的定价分配，使收入最大化，即，向买方收取的总付款。对于任何$ε>0$，这个定价问题很难比$Ω({\rm min} \{n,m\}^{1/2-ε})$更好地近似，除非是$P=NP$。硬度的结果是由于存在的匹配约束，给定的更简单的多单元的情况下，可以近似到一个常数因子$2$。本文的目标是通过限制我们自己的具体设置的估值和预算，以规避硬度的结果。两个特别重要的场景是：每个买家的预算都大于其单值估值，每个买家的预算都低于其单值估值。令人惊讶的是，在这两种情况下，我们都能够实现$1/4$ -接近最佳的无嫉妒的收入。该算法利用了一个新版本的Ausebel上升价格拍卖。这些结果可能表明，虽然它是很难近似的最优收益一般，在大多数实际情况下，价格递增拍卖可以实现相对较好的收益。
2016-10-28 cs.GT
Learning to Price against a Budget and ROI Constrained Buyer
互联网广告商（买家）反复从广告平台（卖家）获取广告印象，目的是最大化总转化（即广告价值），同时尊重预算和投资回报（ROI）约束以有效利用有限的货币资源。面对这样一个受约束的买家谁的目的是学习她的最佳策略，以获得印象，我们研究从卖方的角度如何学习和价格的广告印象，通过重复张贴的价格机制，以最大限度地提高收入。对于这种双边学习设置，我们提出了一个学习算法的卖方，利用情节二进制搜索过程，以确定一个收入最优的销售价格。我们发现，这样一个简单的学习算法享有低卖方后悔时，在每一集，预算和投资回报率约束的买家大约最好的回应张贴的价格。我们提出了简单而自然的买方的出价算法，买方近似最好的反应，同时满足预算和投资回报率的限制，导致我们建议的卖方定价算法的低遗憾。我们的卖方算法的设计是出于这样一个事实，即卖方的收入函数承认一个钟形结构时，买方最好的响应价格下的预算和投资回报率的限制，使我们的卖方算法，以确定收入最优的销售价格有效。
2023-02-07 cs.GT
Optimal Mediation Mechanism in Bilateral Trade
Hong Kong University of Science and Technology（香港科技大学）；Renmin University of China（中国人民大学）；University at Buffalo（布法罗大学）；Xi’an Jiaotong University（西安交通大学）
本文研究了双边贸易中中介人的最优机制设计，发现当卖方成本恒定时，交易阈值随买方类型递减；当中介人有否决权时，交易阈值随买方类型递增，导致柠檬市场效应。
2026-03-07 cs.GT
BundleFlow: Deep Menus for Combinatorial Auctions by Diffusion-Based Optimization
针对组合拍卖中捆绑空间指数增长的难题，提出BundleFlow方法，借助基于ODE的扩散式变换生成捆绑分布，在单竞拍者场景下大幅提升拍卖收益并降低训练成本。
2025-02-21 cs.GT
Dynamic and Non-Uniform Pricing Strategies for Revenue Maximization
我们考虑在有限供应环境下收益最大化的项目定价问题，其中一个单一的卖方与$n$项目迎合$m$买家与未知的次可加性估值函数谁在一个序列中到达。卖方为每件商品定价。每个买家购买一个子集的尚未售出的项目，最大限度地提高她的效用。我们的目标是设计定价策略，保证预期收入在最大可能的社会福利的一个小因素$α$内-最大可能产生的收入的上限。大多数早期的工作都集中在无限供应设置，其中出售物品给一些买家并不影响他们的可用性，以未来的买家。Balcan et.（EC 2008）研究了有限供应设置，给出了一种随机策略，该策略为所有物品分配单一价格（统一策略），并且从不改变它（静态策略），该策略给出了$2^{O(\sqrt{\log n \log \log n})}$ -近似，并且此外，没有静态统一定价策略可以给出比$2^{Ω(\log^{1/4} n)}$ -近似更好的结果。我们将这个下界改进为$2^{Ω(sqrt{\log n})}$。我们考虑动态统一策略，它可以在每个买家到达时改变价格，但所有未售出商品的价格在任何时候都是相同的，以及静态非统一策略，它可以为不同的商品分配不同的价格，但在初始设置后永远不会改变。我们设计这样的定价策略，给出一个多对数近似最大收益。因此，在有限的供应设置，我们的研究结果突出了动态和非统一定价与静态统一定价的权力之间的强有力的分离。据我们所知，这是第一个非平凡的分析动态和非…
2009-05-19 cs.GT
Lower Bounds on Revenue of Approximately Optimal Auctions
我们获得收入保证的简单定价机制的一个单一的张贴价格，在一个自然参数的分布买家的估值。我们的收入保证适用于单个项目n买家设置，价值来自任意联合分布。具体地说，我们证明了从最大估值分布Vmax = max {V_1，V_2，.，V_n}实现了Vmax的几何期望的至少1/e分数的收益。该通用界限是收入如何作为Vmax的集中/扩散的函数而改善/降低的度量。我们进一步表明，在没有买家的估值分布，招募一组额外的相同的投标人将产生类似的保证收入。最后，我们的界限也给出了一个衡量的程度，人们可以同时近似福利和收入的集中/蔓延的Vmax。
2012-10-01 cs.GT
Repeated Sales with Heterogeneous Buyer Sophistication
本文研究无承诺卖家向混合成熟与天真买家重复销售时的歧视定价，发现短视期需求减少稳健，长期均衡中卖家收入接近承诺水平。
2025-10-15 cs.GT
Selling to Multiple No-Regret Buyers
本文研究向多个使用无遗憾学习算法的买家反复拍卖单一物品的卖家最优收益问题，设计了在买家基于均值时提取完全期望福利的拍卖机制，并分析了将单买家线性规划方法扩展到多买家时面临的形式障碍。
2023-07-09 cs.GT
Revenue Guarantees in Autobidding Platforms
Aarhus University（奥胡斯大学）
研究通过FPPE机制在拍卖平台中实现收入保证，证明其能获得最优收入的一半，并针对在线环境和凹估值函数扩展分析。
2026-02-16 cs.GT
Revenue Maximization for Selling Multiple Correlated Items
研究了具有可加性估价函数的$n$产品销售问题。我们认为项目的估值是相关的，即，买家对物品的期望不是独立得出的。理想情况下，目标是设计一种使收入最大化的机制。然而，已经表明，收益最优机制可能非常复杂，因此不适用于现实世界的拍卖。因此，我们的重点是设计一个简单的机制，实现恒定的最佳收入的一部分。Babaioff等人提出了一种简单的机制，该机制可以在具有单个添加剂购买者的独立设置中实现恒定的最佳收入比例。然而，他们留下了以下问题作为一个开放的问题：“是否有一个简单的，近似最优的机制，为单一的添加剂买方的价值为$n$项目是从一个共同的基础价值分布抽样？Babaioff等人的研究表明，在独立的环境中，通过单独出售或作为一个整体出售这些物品，可以实现最佳收入的恒定近似因子。我们显示了一个类似的结果，相关设置时，买方的资格是从一个共同的基础价值分布。值得一提的是，核心分解引理，这主要是证明的机制的效率的心脏不适用于相关设置。因此，我们提出了一个修改后的版本，这是适用于相关的设置，以及这个引理。虽然我们应用这种技术来证明所提出的机制可以在非常弱的相关性中保证恒定的最佳收入比例，但这种方法本身不能直接显示该机制在更强相关性中的效率。
2015-07-22 cs.GT
Revenue Maximization for Buyers with Costly Participation
针对买家参与有私人成本导致的非凸单商品售卖收益最大化问题，提出多买家转单买家归约的多项式时间(2+ε)近似机制，单买家下可达FPTAS，还推导了菜单规模与样本复杂度界，证明特定条件下单一定价及多买家序贯定价的近似最优性。
2023-11-05 cs.GT econ.TH
Generalizing Virtual Values to Multidimensional Auctions: a Non-Myersonian Approach
我们考虑的收入最大化问题的垄断通过非迈尔森的方法，可以推广到多个项目和多个买家。虽然这种方法不会导致问题的任何封闭形式的解决方案，但它确实从不同的角度提供了一些见解。特别是，我们考虑贝叶斯（贝叶斯激励兼容+贝叶斯个体理性）和支配策略（支配策略激励兼容+事后个体理性）的实现，其中所有买家都有附加估值和准线性效用，所有估值在买家之间是独立的（不一定在物品之间是独立的）。我们的方法的主要技术是制定的LP问题（可能与指数大小），并应用原始-对偶分析。我们观察到，对偶规划的任何最优解自然地定义了原始收益最大化问题的虚拟价值函数，在这个意义上，任何收益最大化拍卖必须是虚拟福利最大化者（参见图1）。Myerson's auction for a single item [Myerson，1981]）。基于这一观察，我们刻画了BIC = DSIC的一个充分必要条件，即，贝叶斯实施的最优收益等于显性策略实施的最优收益（BRev = DRev）。条件是当且仅当最优的DSIC收益DRev可以通过DSIC和事后IR虚拟福利最大化者来实现，其虚拟价值函数与买方无关（买方i的虚拟价值与其他买方的估值无关）。根据特征，我们进一步表明，当所有估值都是独立同分布时，进一步等价于单独销售是最优的。特别是，它尊重Yao [2016]最近在多项目多买家设置中的精确最优解方面的突破性工作。
2017-11-29 cs.GT
How to Sell Information Optimally: an Algorithmic Study
我们研究的算法问题出售信息的代理人面临的决策问题下的不确定性。我们采用Bergemann等人最近提出的模型。[BBS 18]，其中信息通过称为实验的信号方案揭示。在单代理设置中，任何机制都可以表示为实验菜单。我们的研究结果表明，设计收入最优菜单的计算复杂性在很大程度上取决于模型的指定方式。当所有的参数的问题是明确的，我们提供了一个多项式时间算法，计算收入最优的菜单。对于指定的模型与简洁的隐式描述的情况下，我们表明，问题的易处理性是紧密相关的最佳响应Oracle的有效实施：当它可以有效地实现，我们提供了一个添加剂的FPTAS的运行时间是独立的动作的数量。另一方面，我们提供了一个家庭的问题，它是计算上难以处理的最佳对策的预言，我们表明，这是NP-很难得到即使是一个恒定的分数的最佳收入。此外，我们研究了Bergemann等人[BBS 18]对原始模型的推广，该模型允许多个代理竞争有用的信息。我们利用拍卖设计研究中开发的技术（参见[CDW 12 a]，[AFHHM 12]，[CDW 12 b]，[CDW 13 a]，[CDW 13 b]）来设计一个多项式时间算法，该算法计算出售信息的收入最优机制。
2020-12-23 cs.GT
The Limits of Optimal Pricing in the Dark
在当今的数字市场中，一个普遍存在的学习问题是，在卖方和买方之间的反复互动中，卖方如何根据买方过去的购买反应逐渐学习最佳定价决策。在这种战略设置中学习的一个基本挑战是，买方自然会有动机操纵他的反应，以诱导对他更有利的学习结果。要了解卖方的学习的局限性，面对这样一个战略和可能操纵的买家，我们研究了一个自然而强大的买家操纵策略。也就是说，在定价博弈开始之前，买方只需“模仿”一个不同的价值函数，假装总是根据这个模仿的价值函数做出最佳反应。我们充分刻画了买方应模仿的最优模仿价值函数，以及由此产生的卖方收入和买方盈余下的最优买方操纵。我们的刻画揭示了许多关于均衡时发生的事情的有用见解。例如，一个生产成本为凹的卖方在均衡时将获得基本为0的收入，而一个生产成本为凸的卖方的收入是其成本函数在不生产和一定生产之间的布雷格曼散度。最后，重要的是，我们表明，一个更强大的类的定价方案并不一定会增加，事实上，可能是有害的，卖方的收入。我们的研究结果不仅为买方提供了一种有效的规范性方法来操纵学习算法，而且还揭示了卖方在黑暗中定价时真正能够实现的限制。
2021-10-04 cs.GT
Sequential Posted Price Mechanisms with Correlated Valuations
我们研究的收入表现顺序公布的价格机制和一些自然的扩展，一般设置的买家的估值是从一个相关的分布。顺序公布价格机制是概念上简单的机制，其工作原理是向每个买家提出一个接受或放弃的报价。我们应用顺序公布的价格机制，单参数多单元设置，每个买家只需要一个项目，该机制可以分配服务的买家在最多k。对于标准的顺序公布的价格机制，我们证明，与估值分布有有限的支持，没有顺序公布的价格机制可以提取一个恒定的比例的最优预期收入，即使有无限的供应。我们将这一结果推广到当各种标准假设同时成立时的连续估值分布的情况。事实上，通过连续公布价格机制可提取的最优收入的最佳部分与最高和最低可能估值的比率成比例。我们证明，对于这些机制的两个简单概括，可以实现更好的收入绩效：如果连续公布价格机制为每个买方提供了提出报价或询问买方估价的选择，则Omega可以提取最优收入的（1/max {1，d}）部分，其中d表示估值的依赖程度，从完全独立（d = 0）到任意依赖（d = n-1）。此外，当我们进一步推广的顺序公布价格机制，使该机制有能力使一个take it-or-leave-it提供给第i个买家，这取决于所有买家的估值，除了i的，我们证明了一个常数的分数（2-sqrt {e}）/4~0.088的最佳收益总是可以提取。
2015-10-01 cs.GT
On the Competition Complexity of Dynamic Mechanism Design
拍卖的竞争复杂度衡量了一个简单拍卖的收入超过最优收入需要多少竞争。Bulow和Klemperer [9]的拍卖理论的一个经典结果指出，在n i.i.d.买家和单个项目，是1，即，招募一个额外的买家并运行第二价格拍卖比准确地了解买家的潜在分布并运行针对该分布定制的收入最大化拍卖更好。本文研究了动态拍卖的竞争复杂性问题。考虑以下设置：垄断者在m个连续阶段向n个感兴趣的买家拍卖m件物品。在阶段k的开始，买家意识到了她对k件商品的价值。我们证明了动态拍卖的竞争复杂性是最多3 n，至少是线性的n，即使当买家的价值是相关的跨阶段，在一个单调的风险率假设下的阶段（边际）分布。我们还证明了VCG在每个阶段所需的额外购买者的数量是最优收入的α近似值，我们将这个数字称为α近似竞争复杂度。作为一个推论，我们提供了第一个结果，事先独立的动态拍卖。这是，据我们所知，第一个非平凡的积极保证简单的事后IR动态拍卖的相关阶段。证明竞争复杂性界限的关键一步是获得最佳收入的良好基准/上限。为此，我们将蔡等人[12]最近的对偶框架扩展到动态设置。作为一个旁白，我们的方法，我们获得了收入的非单调引理动态拍卖，这可能是独立的利益。
2017-10-28 cs.GT
Buy-Many Mechanisms for Many Unit-Demand Buyers
本研究将多购买约束拓展至多买家场景，提出基于事前松弛的收益基准，证明带买家专属定价的序列物品定价机制可实现O(log m)的最优近似，并贡献两项技术创新。
2024-05-16 cs.GT
Robust Stackelberg buyers in repeated auctions
我们考虑的实际和经典的设置，卖方是使用一个探索阶段，以学习的价值分布的投标人之前，在开发阶段运行的收入最大化拍卖。在这两个阶段的过程中，我们展示了实用，简单和强大的战略与大效用提升的投标人。我们精确地量化了卖方收入对非折扣买家，补充了最近的研究，重点是不耐烦/严重折扣买家。我们还证明了这些阴影策略的鲁棒性样本近似误差的卖方，投标人的近似误差的竞争和可能的变化的机制。
2019-05-29 cs.GT
Improved Two Sample Revenue Guarantees via Mixed-Integer Linear Programming
我们研究了经验收益最大化（ERM）机制在单一物品，单一卖方，单一买方设置的性能。我们假设买方的估价是从规则分布$F$中得出的，并且卖方可以访问{ \em two}从$F$中独立抽取的样本。通过求解一类混合整数线性规划问题，证明了ERM机制至少能保证期望收益的$.5914$倍。使用这些MILP的解决方案，我们还表明，最坏情况下的ERM机制的效率是最多$.61035$倍的最佳收入。这些保证分别改进了[Daskalakis & Zampetakis，'20]的$.558$和$.642$的最佳已知下限和上限。
2021-02-27 cs.GT
Optimal Diffusion Auctions
本文研究扩散拍卖中的最优收益问题，提出一类能在给定网络结构下找到最优扩散机制的框架，并证明不存在处理所有结构的最优机制，进而提出具有有界近似的机制。
2024-08-23 cs.GT
Buy-many mechanisms are not much better than item pricing
多项目机制可以是非常复杂的，提供许多不同的捆绑给买家，甚至可以是随机的。这种复杂性被认为是必要的，因为随机和确定性机制之间的收入差距，或者确定性和简单机制之间的收入差距是巨大的，即使是对于加法估值。我们挑战这种传统的信念，表明这些大的差距只能发生在有限的情况下。在这种情况下，该机制向买家收取过高的捆绑费用，而以低得多的价格出售单个项目。可以说，这在许多情况下是不切实际的，因为买方可以将订单分成更小的部分，总体价格要低得多。我们的主要结果是，如果买方被允许购买尽可能多的（随机）捆绑，因为他喜欢，任何多项目机制的收入是最多O（logn）倍的收入可实现的项目定价，其中n是项目的数量。这在最一般的情况下也是成立的，即买家类型的分布任意相关，估值任意。我们还证明了这个结果在很强的意义上是紧的。任何亚指数描述复杂性的机制族都不能比对数近似更好地实现，即使是对最好的确定性机制，甚至是加法估值。相比之下，具有线性描述复杂性的项目定价与随机机制的约束相匹配。
2019-07-01 cs.GT
Selling Information while Being an Interested Party
我们研究了信息持有者（卖家）面临的算法问题，该信息持有者（卖家）希望以最佳方式将此类信息出售给预算受限的决策者（买家），而决策者（买家）必须采取一些行动。与前一章不同的是，我们考虑了卖方是利益相关方的情况，因为买方选择的行为不仅影响他们的效用，而且也影响卖方的效用。这种情况发生在许多现实世界中，企业使用获得的信息的方式可能会对卖方产生积极或消极的影响，因为信息市场存在外部性。卖方和买方的效用都取决于自然界的随机状态，卖方知道这种状态，但买方不知道。因此，卖方的目标是（部分地）向买方出售他们关于自然状态的信息，以便同时使收入最大化并诱使买方采取可取的行动。我们研究的设置中，买方的预算和公用事业是由一个随机的买方的类型，是未知的卖方。在这种情况下，卖方的最佳协议必须向买方提出一个信息披露政策菜单供其选择，后者通过支付相应的价格获得其中一个。此外，由于在我们的模型中，卖方是一个利益相关方，一个最佳的协议也必须规定卖方支付买方偶然的行动。首先，我们证明了计算卖方最优协议的问题可以在多项式时间内解决。接下来，我们将注意力转移到卖方协议采用单一信息披露政策的情况，而不是提出一个菜单，得出积极和消极的结果。
2023-01-31 cs.GT
Bounds on the revenue gap of linear posted pricing for selling a divisible item
本文研究可分割物品销售的线性公布定价机制，在贝叶斯凹估值设定下证明其与最优机制的收益差距仅对数依赖于估值函数的自然参数和买家数量，从而刻画了简单定价机制的能力边界。
2025-02-08 cs.GT
Bundling in Oligopoly: Revenue Maximization with Single-Item Competitors
该研究针对寡头垄断中主卖方面临单品卖方竞争的场景，分析捆绑销售的收益潜力，给出最优收益上界，证明满足估值分布条件时全捆绑定价可实现常数近似，反之则无法实现。
2024-06-19 cs.GT econ.TH
A Simple and Approximately Optimal Mechanism for an Additive Buyer
我们考虑一个垄断卖方与$n$异构项目，面对一个单一的买家。买家对每一个物品都有一个价值，这个价值是根据（不相同的）分布独立得出的，而她对一组物品的价值是相加的。卖方的目标是使他的收入最大化。我们建议使用两种简单的定价方法中的先验更好的方法：分别出售物品，每种物品以其最优价格出售，捆绑在一起，其中整套物品以其最优价格作为一个捆绑出售。我们表明，对于任何分布，这种机制实现了一个常数因子近似的最优收入。除了它的简单性，这是第一个计算上容易处理的机制，以获得一个常数因子近似这个多参数的问题。此外，我们还讨论了多个买家和跨项目相关的估值的扩展。
2020-07-30 cs.GT
Diffusion Multi-unit Auctions with Diminishing Marginal Utility Buyers
我们考虑一个拍卖设计问题，卖方出售多个同质项目的一组连接的买家。每个买家只知道她直接联系的买家，并且对物品的边际效用估值递减。卖家最初只连接到一些买家，他们可以直接被卖家邀请参加销售。我们的目标是设计一个拍卖，激励那些知道拍卖的买家进一步邀请他们的邻居加入拍卖。这是具有挑战性的，因为买家是竞争的项目，他们不会邀请对方默认。因此，需要对传播信息的买家给予奖励，但奖励应精心设计，以保证邀请激励和卖家的收入。最近已经提出了解决方案的设置，每个买家最多需要一个单位，并证明了设计的困难。我们提出了第一个扩散拍卖的多单位的需求设置，以提高双方的社会福利和卖方的收入。
2023-02-26 cs.GT
Optimal Pricing Schemes for Identical Items with Time-Sensitive Buyers
本文研究时间敏感型买家下同质商品的最优定价问题，在贝叶斯设定下刻画收入最优解并提出高效算法，同时给出浪费时间价值与收入及两种常用定价方案的紧比值，并分析了估值与时间成本正相关性对收入的提升作用。
2023-04-17 cs.GT
On Nash Dynamics of Matching Market Equilibria
在本文中，我们研究了在一个由卖方（做市商）建立的匹配市场中，n个买方的策略相互作用的纳什动态。采用标准的市场均衡方法，在从买方接收到提交的出价向量时，做市商将决定价格向量以清除市场，使得每个买方被分配他最想要的物品（也称为，市场均衡解决方案）。虽然这样的均衡结果不是唯一的，做市商选择一个（最大均衡），优化自己的目标-收入最大化。买方反过来改变出价，以他们的最佳利益，以获得更高的效用，在下一轮的市场均衡解决方案。这是一个（n+1）人的博弈，买方进行策略性出价，以从做市商的均衡机制中获得最大收益。买方决定出价的动机和做市商使用最大均衡机制的选择创造了市场中的纳什动态波。我们根据maxeq和mineq之间的关系（即，最小收益均衡），并开发收敛结果的纳什动态从maxeq政策的mineq解决方案，从而产生相当于真实的VCG机制的结果。我们的研究结果意味着收入之间的等价性maxeq和mineq，并解决的问题，为什么短期收入最大化是一个穷人的长期战略，在一个确定性和动态设置。
2011-03-22 cs.GT
A Simple Mechanism for a Budget-Constrained Buyer
本文研究了一个经典的贝叶斯机制设计设置的垄断问题的添加剂买方存在的预算。在这种情况下，一个拥有$m$异质物品的垄断卖家面对一个单一的买家，并寻求最大化她的收入。买方有一个预算和附加估值独立绘制的每一个项目从（不相同的）分布。我们发现，当买方的预算是公开的，更好的销售每个项目单独和销售的大捆绑提取一个恒定的最佳收入的一部分。当预算是私人的，我们考虑一个标准的贝叶斯设置，其中买方的预算$b$是从一个已知的分布$B$。我们证明了如果$b$与估价无关且分布$B$满足单调风险率条件，则单独出售或以大捆绑形式出售物品仍然是近似最优的。我们给出了一个补充的例子表明，没有恒定的近似简单的机制是可能的，如果预算$b$可以相互依赖的估值。
2018-10-08 cs.GT
Auctions with a Profit Sharing Contract
我们研究通过拍卖机制出售资源的问题。获胜的买家反过来开发这一资源以产生利润。考虑两种付款形式：向中标买方收取一次性付款，或首次付款加利润分享合同（PSC）。考虑了一个对称的相互依赖的价值模型，其中买方为风险厌恶或风险中性，卖方为风险中性。对于第二价格拍卖和英式拍卖，我们表明，卖方的预期总收入从拍卖，他也采取了一小部分的正利润是高于预期的收入从拍卖，只有一次性付款。此外，如果卖方除了从正利润中拿走一小部分外，还从开发资源所造成的任何损失中拿走同样一小部分，他就可以产生甚至更高的预期总收入。超越简单的PSC，我们表明，拍卖与PSC从一个非常一般的类产生更高的预期总收入比拍卖，只有一次性付款。最后，我们表明，合适的PSC提供更高的预期总收入比一次性付款，即使中标买方开发资源的激励措施必须由卖方解决。
2012-07-26 cs.GT
